一种基于颜色和形状特征的人脸检测方法

人脸检测在人脸识别领域有重要的应用价值。本文针对复杂背景下的彩色图像,构造了一种颜色特征人脸图像,提了一种基于眼睛的颜色特征和形状特征的人脸检测定位方法。依据肤色模型、数学形态学处理检测出肤色区域,再利用颜色特征人脸图像准确快速的分割出脸部的非肤色区域(眼睛与嘴巴),最后由眼睛模板验证。该算法适合图像质量较好的各种姿态的人脸定位,利用肤色特征和眼睛的颜色特征分两步分割出眼睛存在的区域,减少了搜索面积,因而使计算量大大降低,提高了检测速度。     

基于肤色和器官定位的实时人脸检测

基于肤色和器官的人脸检测是视觉监控领域中广泛应用的经典方法,但是辨别每个肤色像素和提取候选区域非常耗时且对噪声敏感,很多时候不能满足实时人脸检测的需要。通过引入肤色单元的概念,提高了该方法的快速性和鲁棒性,最终将其应用于实时视频序列中。首先,采用单元化的方法进行肤色分割,提取出人的肤色部分;接着,根据人脸长宽比例的范围,确定出候选人脸;然后,再对候选人脸区域分别进行眼睛和嘴巴的定位;对眼睛和嘴巴定位之后,我们可以利用眼睛和嘴巴呈倒三角关系的几何特征反过来进行人脸的精确定位。实验结果表明,该方法的识别率较高,并能满足实时视频人脸检测的快速性要求。     

基于人脸特征和AdaBoost算法的多姿态人脸检测

基于人脸特征和AdaBoost算法,提出一种改进的多姿态人脸检测算法。首先利用肤色特征快速排除绝大部分背景区域,然后在肤色区域中搜索眼睛和嘴巴区域,根据眼睛和嘴巴区域的几何特征所确定的人脸方向分割出大致正向的人脸候选区域,最后利用AdaBoost算法对候选区域进行分类。实验表明,算法能实现多姿态人脸的快速检测,而且对脸部表情和遮挡有较强的鲁棒性。     

基于AdaBoost算法和色彩信息的脸部特征定位

针对脸部特征定位提出一种新型的基于Ada Boost算法和色彩信息的方法。首先用参考白光照补偿法对脸部区域进行光线补偿,然后用Ada Boost算法的级联分类器快速定位图像中的脸部区域,最后根据脸部肤色与脸部特征在色彩信息上的区别,建立眼部模型和嘴部模型,实现眼睛与嘴巴定位。实验结果表明,基于该方法的脸部特征定位具有较高检测率和实用性,同时嘴巴定位不易受到表情变化的影响。     

基于肤色分割的人脸检测算法研究

提出一种自适应光照补偿算法对图像进行补偿,根据肤色点在YCbCr色彩空间中的聚类性分别建立了肤色的区域模型和简单高斯模型,利用区域模型分割结果消除高斯似然图中类人脸的影响,采用自适应阈值对图像进行肤色分割,得到肤色候选区域.对分割出来的二值图像进行形态学处理后用基于先验知识的检测算法对肤色候选区域进行筛选,确定出人脸的位置.实验结果表明,提出的方法综合检测效果好.     

一种基于Haar小波变换的彩色图像人脸检测方法

本文提出了一种基于Haar小波变换的彩色图像人脸检测方法.首先进行彩色空间的变换,检测出图像中的肤色区域;利用Adaboost算法训练出的基于Haar小波变换的检测器对该区域进行人脸检测;建立眼睛颜色模型,并根据眼睛、嘴在不同分量上的分布特征,将它们从人脸区域中提取出来;最后融合眼睛、嘴候选区域的信息,利用特征不变的方法进行眼睛和嘴的确定.实验结果表明,该方法能够快速有效地检测出人脸,并能够确定眼、嘴的位置.     

一种基于Haar小波变换的彩色图像人脸检测方法

本文提出了一种基于Haar小波变换的彩色图像人脸检测方法。首先进行彩色空间的变换,检测出图像中的肤色区域;利用Adaboost算法训练出的基于Haar小波变换的检测器对该区域进行人脸检测;建立眼睛颜色模型,并根据眼睛!嘴在不同分量上的分布特征,将它们从人脸区域中提取出来;最后融合眼睛!嘴候选区域的信息,利用特征不变的方法进行眼睛和嘴的确定。实验结果表明,该方法能够快速有效地检测出人脸,并能够确定眼!嘴的位置。     

基于肤色及五官特征的人脸检测方法

本文提出了一种基于肤色及五官特征的人脸检测方法，通过对图片进行一系列的处理。提取出人脸的大致框架，然后通过眼睛、嘴巴的建模，最后得到图片中人脸的比较精确的位置。     

一种基于模糊逻辑的实用睡意检测方法

提出一种基于普通摄像头快速有效的人眼定位和睡意检测方法,对光照、姿势和背景都具有较好的鲁棒性.首先从USB摄像头截取头肩部图像,经过光照补偿、运动检测和肤色处理粗定位人脸区域,再根据眼睛亮度、色度信息,数学形态学处理将眼部特征最大化,最后使用模糊逻辑筛选候选眼睛块,Hough圆检测判定眼睛状态.     

一种基于多分量信息融合的人脸检测方法

人脸检测是全自动人脸识别系统和许多监视系统的基础,在许多领域有着广泛的应用。文章提出了一种基于多分量信息融合的人脸检测方法。首先进行彩色空间的变换,检测出图像中的肤色区域;建立眼睛颜色模型,并根据眼睛﹑嘴在不同分量上的分布特征,将它们提取出来;最后融合眼睛﹑嘴候选区域的信息,利用特征不变的方法进行人脸的确定。实验结果表明,该方法能够快速有效地检测出人脸,并能够确定眼﹑嘴的位置。     

智能访客系统中的人脸检测及方向判别算法

提出了一种用于智能访客系统的人脸检测及人脸方向自动识别的算法.算法首先利用皮肤颜色过滤法和背景去除技术提取出类似皮肤的区域,再利用区域填充和基于高度落差的方法将人脸分割出来,最后,利用人眼的位置信息确定人脸方向.实验结果证明了此算法的可行性和实时性.     

基于层次支持向量机的人脸检测

针对彩色图像人脸检测,提出了肤色模型和层次支持向量机相结合的人脸检测方法。检测时首先利用调节的肤色模型提取出人脸候选区域,然后对这些候选区域用线性支持向量机和主成分与非线性支持向量机相结合的层次支持向量机进行验证,获得真正的人脸区域。实验表明,该方法对图像偏色有一定的鲁棒性并可以用于灰度图像的人脸检测,而且检测正确率和速度比基于肤色和模板匹配的方法有了一定的改进。     

基于肤色模型和FloatBoost的多姿态人脸检测

多姿态人脸检测是人脸识别系统必须解决的关键问题之一。利用光照鲁棒的肤色模型来搜索待检图像的可能人脸区域并进行肤色分割,结合分割区域的几何信息确定最终的候选人脸区域,然后对人脸的关键特征进行定位,按规则计算重要特征块的中心,将这些中心点确定的符合条件的候选区域利用FloatBoost进行分类,最终实现了快速准确的多姿态人脸检测。     

基于广义对称变换的人脸检测和面部特征提取

该文提出了一种基于广义对称变换的从具有复杂背景的彩色图像中进行人脸检测的方法，它首先利用人类肤色在色度空间分布的稳定性，检测出图像中的皮肤区域，通过先验知识进行甄别，选出候选人脸区域，然后根据在人脸图像中人的双眼具有的高对称性，利用广义对称变换来求得具有高对称性的点即为双眼的位置，最后采用通用人眼图像进行模板匹配来验证，实验证明，该方法具有良好的效果。     

基于新颜色空间YCgCr的人脸检测与定位

提出了一种基于肤色的复杂背景彩色图像中人脸检测的方法。首先在新颜色空间YCgCr上对输入图像进行肤色检测并应用预处理技术缩小人脸检测的搜索区域;然后在物体区域方向计算的基础上,提出了能够检测任意旋转角度人脸的方法;最后对人脸候选区域采用模板匹配方法检测人脸,去除非人脸区域,降低误检率。实验结果表明,提出的方法对不同尺寸、任意旋转的人脸有较好的检测效果。     

基于肤色检测和人眼定位的人脸检测方法

提出了一种基于肤色检测和人眼定位的人脸检测方法。使用基于“基准白色”的色彩平衡方法归一化彩色图像,将图像在HSV空间进行肤色分割,确定候选人脸,采用形态学滤波器对其降噪。在获得虹膜位置的基础上,使用Susan算子定位两个眼角点,从而实现眼睛的精确定位。实验证明提出的方法能够很好的检测人脸、定位人眼,尤其对存在人脸旋转和光照异常的人脸图像有很高的精确度和鲁棒性.     

A statistic approach to the detection of human faces in color nature scene

In this paper, a novel algorithm for oriental face detection is presented to locate multiple faces in color scenery images. A binary skin color map is first obtained by applying the skin/non-skin color classification algorithm. Then, color regions corresponding to the facial and non-facial areas in the color map are separated with a clustering-based splitting algorithm. Thereafter, an elliptic face model is devised to crop the real human faces through the shape location procedure. Last, local thresholding technique and a statistic-based verification procedure are utilized to confirm the human faces. The proposed detection algorithm combines both the color and shape properties of faces. In this work, the color span of human face can be expanded as wilder as possible to cover different faces by using the clustering-based splitting algorithm. Experimental results reveal the feasibility of our proposed approach in solving face detection problem.     

Face detection based on skin color likelihood

We propose a face detection method based on skin color likelihood via a boosting algorithm which emphasizes skin color information while deemphasizing non-skin color information. A stochastic model is adapted to compute the similarity between a color region and the skin color. Both Haar-like features and Local Binary Pattern (LBP) features are utilized to build a cascaded classifier. The boosted classifier is implemented based on skin color emphasis to localize the face region from a color image. Based on our experiments, the proposed method shows good tolerance to face pose variation and complex background with significant improvements over classical boosting-based classifiers in terms of total error rate performance.     

Adaptive skin color modeling using the skin locus for selecting training pixels

Techniques for color-based tracking of faces or hands often assume a static skin model yet skin color, as measured by a camera, can change when lighting changes. Therefore, for robust skin pixel detection, an adaptive skin color model must be employed. We demonstrate a chromaticity-based constraint to select training pixels in a scene for updating a dynamic skin color model under changing illumination conditions. The method makes use of the ‘skin locus’ of a camera, that is, the area in chromaticity space where skin chromaticity under various lighting and camera calibration conditions is observed. Skin color models derived from the technique are compared with that derived by a common spatial constraint and is shown to be more consistent with manually extracted ground truth skin model per frame even as localization errors increase. The technique is applied to color-based face tracking in indoor and outdoor videos and is shown to succeed more often than other color model adaptation techniques.